AI调用成本飙升？三招精准压降Token消耗_服务软件

1. 100万亿Token看懵硅谷！全球一半算力写代码，另一半在「搞颜色」？

2. 中国第一，全球第三！Token日耗120万亿，直逼谷歌OpenAI

3. 使用 Claude Code：会话管理与 100 万上下文

4. 小米 MiMo 团队负责人罗福莉：全球算力跟不上 Agent 时代的 Token 消耗，出路不是更便宜的 Token，而是更省 Token 的框架和更高效的模型共同进化。一个技术细节：OpenClaw 的上下文管理做得非常糟糕。一个用户请求会触发多轮低价值的工具调用，每次都带着超过 10 万 Token 的长上下文窗口，实际请求次数是 Claude Code 自身框架的好几倍。换算成 API 价格，真实成本可能是订阅价的几十倍。罗福莉提了两个观点：第一，短期阵痛反而是好事。第三方框架被迫走 API 付费后，成本压力会倒逼它们改进上下文管理、提高 prompt 缓存命中率、减少无效 Token 消耗。第二，呼吁其他大模型公司不要在没想清楚定价模型之前盲目打价格战。低价卖 Token 的同时对第三方框架大开门户，看着对用户友好，实际是个陷阱，Anthropic 刚从这个坑里爬出来。

5. 罗福莉：Claude订阅封杀龙虾背后，真正的出路不是更便宜的token

6. #小米MiMo大模型首次推出TokenPlan# Token Plan提供四档套餐，Lite、Standard、Pro、Max，从39元/月到659元/月，而且计费方式简单透明，按 token使用量换算credit消耗量，开发者可根据消耗量按需购买。价格确实有很大优势，首次购买还享88折优惠。能力第一梯队，价格却比同能力竞品低很多，越是重度使用、海量Token调用小米价格优势越大。我看开发者都用的飞起，昨天MiMo大模型调用量超过了1万亿Token。小米这个就是模型全，能力强，价格低，支持主流编程工具与模型框架，你可以用来编程、养龙虾等，挺有竞争力的。

7. 按Token计费大概率会成为AI时代中短期的主流计费模式。Token是AI处理语言的最小计算单元，其消耗与算力、计算时长直接挂钩，按Token计费能让使用量和成本精准匹配，适配当下AI从单次对话转向持续调用的使用场景，尤其是OpenClaw这类智能体走红后，复杂任务的多步交互更需要这种“用多少付多少”的灵活模式。大厂扎堆卖Token，是AI行业商业化的必然选择，既让开发者和企业客户成本可控，也能让大厂收益与算力消耗直接挂钩，同时不同模型的Token定价差异，也能精准匹配不同客户的需求。当然这种模式也有成本预判难的短板，长期来看会逐步向按结果付费过渡，但在AI能力尚未实现结果量化的阶段，Token作为算力的标准化度量，仍是当下最适配的计价方式。#为什么AI大厂开始卖Token#

8. 龙虾爆火后Token彻底出圈，我敢说按Token计费绝对会成AI时代的主流模式，甚至Token未来会成AI世界的硬通货。龙虾之所以超费Token，因为它不是单纯聊天模型，是智能体执行框架，每一步都要调用大模型，上下文还会滚雪球似的累积，随便一个操作就耗上万Token，比普通聊天费百倍。大厂现在扎堆卖Token，核心是AI从单次对话变成持续调用。我觉得这只是开始，未来Token会跨平台跨模态通用，智能体之间交易都靠它，妥妥的AI专属货币。#为什么AI大厂开始卖Token#

9. 黄仁勋，开启智元（Token）时代

10. 中国移动把Token玩明白了！10亿用户轻松接入AI算力新时代

11. 反直觉：前沿模型虽然贵，但反而更好卖#AI #大模型 #芯片 #ChatGPT #Token

12. 最强Claude比黄金还贵，有人用省token.skill 立降65%，还有10个小妙招

13. 【量价齐涨不可持续，Token经济再平衡】每日经济新闻采访中的观点：近几个月，国际国内主要模型服务资费都有较大幅度上涨，DeepSeek则在资费方面再次击穿行业成本线。如果后续国产推理算力能进一步大规模部署，在Agent应用不断拉高消耗量的情况下，有望平抑持续上涨的Token价格。不过对GPT-5.5、Claude-Opus-4.7等模型的影响可能相对有限。Token量价齐涨有助于推高Token经济（AI用户付费习惯约等于AI产业造血机能），也是模型水准上升与算力紧缺之下供求关系的正常反映，但量价齐涨到一定程度会导致增长不可持续（实际上4月初有些平台的Token消耗量已经出现下降）。尤其Agent让Token调用量有数十倍乃至百倍增长的情况下，不断上调价格会抑制用户的Token消耗。GPT-5.5的同样任务更少Token消耗，和DeepSeek V4低出一个数量级的Token资费，某种程度上也可以视为技术驱动的市场调节，上游发起的Token经济的再平衡。网页链接

14. 问：上下文（Context）和上下文窗口（Context Window）什么差别？这两个概念经常被混用，但其实指的是不同层面的东西：上下文是指 AI Agent 在执行任务时实际拥有的所有信息，包括系统提示词、用户的对话历史、检索到的文档、工具调用的结果、记忆模块注入的内容等等。你可以把它理解为“Agent 此刻脑子里装的所有东西”。上下文是一个动态的、可以被工程化管理的概念——哪些信息该放进来、什么时候放、怎么组织，这就是现在越来越多人说的 Context Engineering。上下文窗口则是模型层面的一个硬性限制，指的是模型单次推理能处理的最大 token 数量。比如 128K、200K、1M 这些数字，说的就是上下文窗口的大小。它本质上是一个“容器的容量”。打个比方：上下文窗口是你厨房操作台的面积，上下文是你实际摆在台面上的食材、调料、菜谱和工具。台面就那么大（上下文窗口有上限），但你放什么上去、怎么摆放（上下文的管理）决定了你能不能高效做菜。在 Agent 开发中，一个核心挑战就是：Agent 需要的上下文往往远超上下文窗口的容量。对话越来越长、工具调用结果越来越多、检索的文档越来越大——这些都在消耗上下文窗口的空间。所以才需要各种策略来管理：摘要压缩历史对话、选择性检索而不是全量灌入、及时清理不再需要的中间结果等等。简单总结就是：上下文（Context）是“内容”，上下文窗口（Context Window）是“装内容的容器”。做 Agent 工程的核心功夫之一，就是在有限的“上下文窗口”里塞进最有价值的“上下文”。

15. 艹 Claude 最近特别的好Claude Opus 4.6 和 Claude Sonnet 4.6，现在全部支持100 万上下文窗口了在 Claude Code 中， Max、Team 和 Enterprise 用户默认模型自动由原来的200k，升级到1M...价格没变，Opus 4.6 还是 $5/$25 per million tokens，Sonnet 4.6 还是 $3/$15。媒体限制扩大 6 倍。单次请求最多可以塞 600 张图片或 600 页 PDF，之前上限是 100。不需要改代码。之前用超长上下文要加 beta header，现在直接就能用，旧的 header 也不影响。

16. 智能体上下文工程：为什么文件系统成了AI记忆的最佳载体？

17. 大模型上下文工程指南

18. Claude Code每月$20配额不够用，有什么省token或多平台切换的技巧？

19. 连续霸榜OpenRouter的MiMo终于出了Code Plan（他叫Token Plan），之前OR上的免费试用也没有过这么高的占比，核心还是模型本身好用，拿来干活的东西为了省几百块一个月的token费用上垃圾模型导致干活失败才是因小失大，最贵的Max套餐600不到，目前算下来一个月16亿Credit，性价比上非常可以，而且预计MiMo之后，国产模型套餐会跟进一次订阅覆盖全模态模型~目前Credit到Token结算规则如下，目前看来鼓励上V2 Omni，V2Pro等效8亿Token，1M上下文也有4亿Token：MiMo-V2-Omni 256k 上下文：1x（消耗 1 Token = 1 Credit）MiMo-V2-Pro 256k 上下文： 2x（消耗 1 Token = 2 Credits）MiMo-V2-Pro 256k~1M上下文： 4x（消耗 1 Token = 4 Credits）MiMo-V2-TTS：0x（限时免费，不消耗 Credit）关键是没有 token集中使用限额——支持集中消耗 token ，高强度养龙虾或编程，体验拉满，不被打断

20. OpenRouter最新测算，3月30日至4月5日，全球AI大模型总调用量达27万亿Token，环比增长18.9%。中国AI大模型表现强劲，周调用量升至12.96万亿Token，环比上涨31.48%，已连续五周实现增长并超越美国。从全球模型调用量排名来看，前六位均被中国AI大模型包揽。Qwen3.6 Plus (free) 以4.6万亿Token的周调用量位居榜首；小米 MiMo-V2-Pro 本周下滑至第二位，周调用量为3.08万亿Token；Qwen3.6 Plus Preview 排名第三，周调用量为1.64万亿Token；阶跃星辰Step 3.5 Flash (free) 排名第四，周调用量1.26万亿Token；MiniMax M2.7 排名第五，周调用量1.19万亿Token；DeepSeek V3.2 位列第六，周调用量同样为1.19万亿Token。

21. DeepSeek V4 网页端《原神×我的世界》融合小游戏代码测试：拳打 ChatGPT，脚踢 Gemini，硬刚 Claude

22. 大模型的上下文工程，都说很重要，但相关的研究那么少，对Agent开发有什么影响，有大佬能解释一下吗？

23. OpenClaw养龙虾，到底要花多少钱？

24. 开发者 Can Vardar 发现，Claude Code 里如果关闭遥测（telemetry，即向 Anthropic 回传使用数据），提示缓存时间会从 1 小时骤降到 5 分钟，他算了笔账说这相当于隐私换 12 倍性能，给 Anthropic 扣了个邪恶公司的帽子。这条推文传开后，Anthropic 工程师 Boris Cherny 出来做了详细回应。Claude Code 的缓存策略一直是个黑盒子，Boris 的这条推文把里面的细节讲的比较清楚了，推荐可以仔细看看。他先澄清了一个误解：1 小时缓存并不是无条件更好。缓存写入成本更高、读取成本更低，划不划算取决于你怎么用。如果你只是跑了一次查询就走了，1 小时缓存反而浪费钱，因为你付了写入的高价却没享受到反复读取的便宜价。实际上 Anthropic 一直在根据使用场景做精细化调整。比如子任务（subagent）很少被恢复，给它 1 小时缓存纯属白花钱，所以这类查询就保留 5 分钟。API 用户目前也没有默认开启 1 小时缓存，还在测试阶段。关掉遥测导致缓存变短，Boris 说这其实是个连带效应：遥测关闭后，客户端的实验开关也跟着失效了，系统读到的就是默认值 5 分钟。换句话说，这不是故意惩罚，是技术实现上的耦合问题。Boris 还透露了后续计划：很快会把部分查询的客户端默认值改成 1 小时，同时提供环境变量让用户自己强制切换 1 小时或 5 分钟。至于12 倍性能差距，Boris 说远没有那么夸张，实际节省的 Token 量并不大。推荐配合阅读：《ClaudeCode省钱指南：慎用1M上下文，不开新会话或频繁开新会话都不对》网页链接

25. 不拼GPU！中兴扔出AI超节点，把token价格打下来

26. AI时代的Token #为什么AI大厂开始卖Token#一、Token 是什么？（AI 的 “语言积木”）你可以把 Token 理解成：AI 处理文字的最小 “积木块”。人类用汉字、单词说话；AI 只认 Token。它不是一个字，也不是一个词，而是 AI 把文字 “切碎” 后的最小单元。中文大概：1000 Token ≈ 400–500 个汉字。英文大概：1 Token ≈ 0.75 个单词。你给 AI 发一句话，AI 先切成一堆 Token，再去理解、生成回答。一句话记：Token = AI 世界的 “文字原子”。二、为什么流行用 Token 计费？（最公平的 “算力计价器”）因为：Token 数 = 实际算力消耗 = 成本。1. 算力和 Token 直接挂钩处理 1 个 Token，AI 要做大量数学计算（矩阵运算）。Token 越多，计算量越大、越费电、越占 GPU 内存。按 Token 收费，就是按 “AI 实际干了多少活” 收费。2. 比 “按字数 / 按次 / 按时长” 更公平按字数：中文和英文计算量不一样，不公平。按次：一句话和一篇长文，成本天差地别。按时长：简单问答和深度推理，耗时可能一样，但算力差百倍。Token 完美统一了不同语言、不同长度的计算成本。3. 鼓励高效使用你写得越简洁、AI 回答越短，Token 越少、越省钱。一句话记：Token 计费 = 按 “AI 工作量” 付费，最公平。三、Token 和算力的关系？（Token 越多，算力越爆炸）算力 = 机器的计算能力；Token = 计算的工作量。1. 正比关系（基础）处理的 Token 越多，消耗的算力、电力、时间就越多。就像：搬砖越多，花的力气（算力）越多。2. 恐怖的 “平方律”（关键）AI 底层算法（Transformer）决定：算力消耗 ≈ Token 数的平方。比如：4000 Token → 4000×4000 = 1600 万次计算。8000 Token → 8000×8000 = 6400 万次计算。Token 翻 1 倍，算力翻 4 倍。一句话记：Token 越多，算力不是线性涨，是爆炸式涨。四、龙虾（OpenClaw）为什么这么费 Token？（“Token 黑洞”）龙虾 = 自主 AI 智能体，不是普通聊天机器人。它费 Token，是因为工作方式完全不同。1. 它是 “全自动打工仔”，不是 “一问一答”普通 AI：你问一句，它答一句，几百 Token 搞定。龙虾：接到任务 → 自己拆解 → 规划步骤 → 调用工具（搜索、写文件、执行命令）→ 检查结果 → 循环重试。一个简单任务，可能要几十轮后台调用，Token 是普通对话的几十倍。2. 每次都带 “超级长的说明书 + 全量历史”龙虾每次请求，都要把：系统指令（我是谁、能干嘛）工具列表（浏览器、文件、代码）全部历史对话一起发给模型。光系统提示词就1.5 万 Token 起步。聊 5 轮，第 6 轮要把前 5 轮全带上，Token 直接滚雪球。3. 隐形消耗：心跳 + 记忆膨胀心跳：每 30 分钟自动唤醒一次，没任务也耗 Token。记忆：所有交互都存下来，越用越重。一句话记：龙虾是 “全自动 + 全历史 + 循环调用”，Token 自然爆炸。总结：Token：AI 的语言积木，计价单位。Token 计费：按算力干活多少收费，最公平。Token 与算力：Token 越多，算力呈平方级暴涨。龙虾费 Token：全自动 + 全历史 + 多轮循环，是普通对话的几十倍。

27. 大模型的上下文工程，都说很重要，但相关的研究那么少，对Agent开发有什么影响，有大佬能解释一下吗？

28. 遇到过做AI编程时，命令行输出信息太多，导致token消耗飞涨的问题吗？推荐试试 rtk（GitHub：github.com/rtk-ai/rtk）！rtk 是一个CLI代理，它会智能压缩和过滤命令输出，能为你节省 60-90% 的LLM token消耗！无论是 git 状态、代码测试、lint检测还是docker命令，rtk都帮你把结果压缩成最精简的形式，同时保证关键信息完整，极大降低AI辅助编程的费用压力。主要特点：- 单文件Rust二进制，无依赖，运行效率极高（<10ms 开销）- 智能过滤冗余信息、分组类似输出、截断多余内容、去重重复行- 支持丰富命令：git、cargo、npm、docker、kubectl、pytest、eslint、pip等- 自动挂钩bash命令，透明替换为rtk命令，保持使用习惯- 多AI工具集成方案，支持Claude Code、GitHub Copilot、Gemini、Codex等常见AI助手- 开箱即用，支持macOS、Linux、Windows多平台- 提供详尽统计，帮助你了解token节省效果安装方式简洁：- 推荐Homebrew: brew install rtk- 也可用curl脚本一键安装，或cargo源码安装试试 rtk，让你的AI编程体验更省token、更流畅、更高效！#开发效率# #AI助力编程# #开源工具#

29. MiniMax M2.7+OpenClaw实战！AI到底能接管多少工作？

30. Claude Opus 4.6 和 Sonnet 4.6 的 100 万 token 上下文窗口今天正式全面开放（GA），且不加价，按标准价格计费，无论请求长度是 9K 还是 900K token，单价完全一样。 Opus 4.6 的定价是输入 $5、输出 $25（每百万 token），Sonnet 4.6 是 $3/$15。此前超过 20 万 token 的请求需要加 beta 标头，现在直接生效，已有代码无需改动。除了价格统一，这次更新还有几个实际变化：单次请求可处理的图片和 PDF 页数从 100 提升到 600；所有上下文长度享受相同的速率限制，不会因为请求变长而被限流。Claude Code 的 Max、Team 和 Enterprise 用户在使用 Opus 4.6 时将默认启用 100 万上下文，意味着对话压缩（compaction）频率大幅降低，更多对话历史得以完整保留。在准确率方面，Opus 4.6 在 MRCR v2 基准上得分 78.3%，Sonnet 4.6 在 GraphWalks BFS 上得分 68.4%，均为同类前沿模型在百万 token 长度下的最高分。简单说就是：窗口虽大，信息检索能力没有打折。 Anthropic 引用了多家客户的反馈来说明实际效果。 Cognition（Devin 背后的公司）表示，此前大型代码差异塞不进 20 万上下文窗口，需要分批处理，容易丢失跨文件依赖；现在整个差异一次送入，代码审查质量更高，流程也更简单。Ramp 的工程师提到，Claude Code 在调试时经常消耗超过 10 万 token 检索各类数据源，一旦触发压缩就会丢失细节、陷入重复调试循环，百万上下文直接消除了这个问题。该功能今天起通过 Claude Platform 原生支持，也可通过 Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 使用。 http://t.cn/AXVmRMYf

31. Skills比MCP更重要？更省钱的多！Python大佬这观点老金测了一周终于懂了

32. 不知道大家想过这个问题没有，大家都感觉现在大模型的记忆存储受限，200万的上下文记忆其实也不够用。但我想说，其实即使大模型能够记住海量的上下文，也未必有用，它依然需要上下文的管理。也就是说，在AI时代，一个人非常重要的能力就是如何去管理上下文，去领导Agent。为什么这么讲呢？大家可以想想，如果记忆不受限，大模型可以无限存储，你和它聊的内容越多，它大脑里塞的东西就越满。在执行任务的过程中，它不知道到底应该怎么去执行，因为塞的东西太多了，哪个是核心的？是不是太多了？如果记忆太多，就容易导致错乱和模糊，因为你塞得太满，它不知道怎么执行，很多东西在里面很乱。所以，上下文管理是必须的。第二，即使大模型的记忆非常多，人和人之间沟通，一句话的理解都可能不同，何况大模型和人之间的沟通呢？这里面肯定也会存在交流的摩擦。所以，人需要及时干预和介入到大模型的工作流程当中，去管理上下文、管理整个流程，这是非常必要的。所以大家不要期待说，大模型的上下文越来越长就越好，不一定，有利有弊。即使大模型不会丢掉记忆，记忆永存，它依然不会精准地按照人类的要求去执行。我之前看过一个调查或研究，就是说大模型里，你上下文塞得越多越满，它的执行就会越混乱、越模糊，就是因为东西太多了，它不知道怎么执行了。所以，管理上下文这个事情，依然需要有人去管理、去做。#科技先锋官##How I AI#

33. 开发者在使用 Claude Code 编写代码时，想要自动保存每次操作的上下文和工具使用情况，方便后续继续工作。Claude-Mem 是一款为 Claude Code 打造的持久化记忆压缩插件，能抓取工具执行的观察数据，通过 AI 进行语义压缩，并将相关上下文注入到未来的编码会话中。它支持跨会话保持上下文连贯，内置智能搜索功能，能用自然语言查询历史操作，极大提升项目管理和代码回溯的效率。插件提供 Web UI 实时查看记忆流，并可配置隐私标签过滤敏感信息。更有实验性的“无限模式”，通过压缩和分层存储实现更长的会话记忆，适合复杂项目的持续开发。主要功能：- 自动捕获并压缩会话数据，实现跨会话记忆延续- 语义搜索工具，快速定位历史决策和代码修改- Web 界面实时展示记忆流和搜索结果- 灵活配置隐私控制和上下文注入策略- 支持实验性无限扩展会话长度的“Endless Mode”- 基于 SQLite 和向量数据库结合实现高效存储和检索适用于需要在多次编码会话中保持项目上下文连续的开发者，尤其是使用 Claude Code 进行 AI 辅助编程的用户。项目地址：github.com/thedotmack/claude-mem安装简单，启动后自动生效，无需手动操作。想让 AI 更懂你的代码历史，这个开源插件值得一试。

34. 【上下文工程实战指南：如何让AI代理真正听懂你的话】“AI垃圾输出”的锅，现在该用户来背了。在Claude Code这类黑箱系统中，上下文是我们唯一能控制的输入变量。既然如此，如何优化它就成了关键问题。+ 什么是上下文？上下文指的是你发送消息时提供给大语言模型的一切——不仅是提示词本身，还包括系统提示、元数据、历史对话、模型的思考过程、工具调用和响应。大模型的上下文窗口有限，对话越长，追踪信息的准确度就越低。Claude Code的上下文窗口看似有20万token，但实际可用空间远没那么多。运行/context命令就能看清真相：22.5%被预留，10.2%被系统提示占用，加上MCP服务器、子代理和规则，真正留给我们的只有约12万token。更关键的是，无论是否接近窗口上限，上下文越多，模型质量就越差。+ 基础功夫最重要和大多数事情一样，820法则同样适用于vibe coding。做好以下基础，你就已经完成了80%：- /upgrade升级到Max计划- /model选择opus 4.5- /init创建项目说明文件然后是基本工作流：1. 从计划模式开始（Shift + Tab）2. 让Claude通过提问来澄清模糊点3. 执行经过打磨的计划创建子代理、自定义命令、钩子、多代理编排确实很酷，但说实话，没有我们想象的那么重要。掌握基础才是核心竞争力。+ 如何实际运用这套工作流把每次新对话当作一个目标，严格控制范围：-“我要修复这个bug”-“我要构建这个功能”对于新项目，目标可以更宽泛，但这意味着需要更多规划和打磨——因为模糊性越大，误解空间就越大。多花时间规划，再多花时间打磨规划。让Claude不断提问，直到它开始为问而问。请它多次审查计划，讨论架构、最佳实践、安全风险、生产就绪度、测试策略——目标是在每个模糊点提供细节。+ 何时重置，如何重置如果进展顺利且后续任务与当前上下文相关，继续就好。接近上下文上限时，运行/compact释放空间，或让Claude Code自动处理。但如果事情不顺利呢？模型没做对，你陷入了“这太糟糕了请修复”→垃圾输出→“这更糟糕了你在想什么”→垃圾输出的循环。这时不要试图在同一线程中挽救，而是：- /rewind回到进展顺利的节点- /new开启新线程，优化原始提示词，明确指出“不要做什么”——把上次的教训写进去+ 避开复杂性陷阱如果你常刷社交媒体，可能已经收藏了无数花哨设置——MCP服务器、子代理、技能包……我的建议是：不要过度复杂化。正如Anthropic所说，我们的目标是“找到最小的高信号token集合”。往上下文塞太多MCP数据，只会用低信号填满窗口，同时烧掉你的钱。+ 善用MCP服务器获取优质上下文MCP服务器本质上是让模型能调用的第三方工具——文档、GitHub代码、Linear工单、Figma设计等。这类工具刚推出时被热捧，但人们很快发现很多会疯狂消耗上下文，得不偿失。我目前只用三个经过验证的：- exa.ai：AI代理的网络搜索- context7：AI代理的最新文档- grep.app：AI代理的GitHub搜索我主要用它们研究如何正确实现代码——这些事我自己查文档也能做。Anthropic把这称为“即时上下文”策略——代理在需要时自己寻找信息。这对Claude Code这类代理式编码工具非常有效。+ 用子代理节省上下文——我最喜欢的隐藏技巧Claude Code可以创建子代理——作为主代理的子实例运行。关键在于：- 子代理拥有独立于主代理的上下文窗口- 可以使用不同模型（比如非opus）这意味着我们可以让子代理执行消耗大量token的操作（如研究），然后向主代理提供精炼摘要——信息密度高，token消耗低。我最常用的是一个自定义的“图书管理员”子代理，运行sonnet模型扫描开源仓库和文档，向主代理返回精炼摘要。我会说：“用librarian研究如何用Y库实现X，然后实现Z”——子代理触发，调用所有工具找到高质量答案。这既防止主上下文被污染，又用更便宜的模型完成简单任务。+ 用技能包引入相关上下文技能包与子代理相反——不是把任务委派给专门代理，而是把专业能力引入当前代理的上下文。比如Claude Code内置的“前端设计师”技能，会引入一段较长的提示词，告诉Claude前端设计的注意事项。这些工作流听起来花哨，但原理很简单——Claude只是在认为需要时，把一段文本拉入上下文。+ 核心要义好的vibe coding是为价值密集的上下文而优化。你添加或从模型接收的任何信息，都应简洁地服务于帮助模型回答下一个请求。如果做不到这点，就不应继续在同一上下文中工作——这是避免陷入令人沮丧的垃圾输出循环的关键。社交媒体上那些花哨命令可能让你觉得自己落伍了。但实际上，事情没那么复杂——尽力用简洁、高质量的信息帮助模型，给它工具让它自己找到相关信息。就像你对待一位同事那样。x.com/jarrodwatts/status/1926054877836624014

35. 【AI学习】OpenClaw是什么？25万+星标登顶GitHub的开源AI助手详解

36. 本地AI哪家强？统一内存大横评！

37. 财报需求和预期全面打开，英特尔突然大涨DeepSeekV4 MIMO也来了：拼谁把算力榨干 | 模型压缩 |CPU|GPU

38. 多名用户反馈，DeepSeek在网页端和APP端进行了版本更新，支持最高1M(百万)Token的上下文长度。而去年8月发布的DeepSeekV3.1上下文长度拓展至128K。记者实测中发现，DeepSeek在问答中称自身支持上下文1M，可以一次性处理超长文本。(科创板日报)

39. Claude Code被扒出7个缓存Bug，死亡螺旋让账单暴涨10倍

40. 网页链接langchain发了篇官博，探讨了智能体如何利用文件系统进行上下文工程，以提升其性能和可靠性。智能体失败的主要原因并非模型能力不足，而是缺乏正确的上下文信息。上下文工程的目标是精准地将必要信息填入模型的上下文窗口，避免信息缺失、冗余或不相关。常见的上下文工程挑战包括：信息过多（检索内容远超所需）：如网络搜索返回大量无用内容，浪费token并增加成本。信息过少或超出上下文窗口：复杂任务需大量信息，单次无法加载全部。难以定位小众信息：所需信息埋藏在大量文件中，语义搜索效果有限。缺乏持续学习能力：无法从交互中积累新知识。文件系统是解决这些问题的关键工具，其优势体现在：作为“草稿板”：将大体积工具输出（如网页内容）存入文件系统，按需通过grep等工具提取关键信息，减少上下文占用。动态管理上下文：存储长期计划、子任务结果或复杂指令，按需调用，避免系统提示过载。精准搜索：利用ls、glob、grep等命令在结构化目录中快速定位特定文件、行甚至字符，尤其适合代码或技术文档。持续学习与自我更新：智能体可通过用户反馈更新自身“技能文件”，将新知识写入文件系统，实现长期记忆与能力进化。#科技先锋官#

41. HermesAgent 超越 OpenClaw 成为全球 Token 消耗第一，这意味着什么？

42. DeepSeek v4全面支持百万上下文 token，这意味着什么？到底有多厉害？

43. 阿里AI重组：集团CEO吴泳铭亲征！「Token为王」全面决战ASI

44. 市值近600亿，大模型公司上市了！ #AI #智谱ai

45. 「Github一周热点107期」OpenAI收购的AI安全工具、AI代理事务所、OpenClaw技能库、claude code插件和上下文数据库

46. 在使用 Claude Code 这款超强 AI 编程助手时，掌握秘诀尤为重要！github 上 ykdojo 分享了 45 条实用技巧，从入门到高级，涵盖自定义状态栏、系统提示语精简、用 Gemini CLI 作为 Claude 代理、甚至让 Claude Code 自己在容器中跑自己，还有超实用的 dx 插件。主要看点：- 一键设置自定义状态栏，实时显示模型状态、Git 当前分支、Token 使用率，随时掌控上下文空间（Tip 0）- 利用 /compact 和半克隆脚本主动压缩对话上下文，让 Claude Code 保持高效运转（Tip 8、23）- 使用 Gemini CLI 作为 WebFetch 的备胎，解决某些网站访问限制（Tip 11）- 通过多终端分屏、多git worktree等工作流大幅提升多任务处理能力（Tip 14、16）- 用 Claude Code 做写作助手，语音输入加速初稿生成，Markdown 格式极简高效（Tip 18、19）- 自动执行写-测-改循环，结合 tmux 完成自动化测试和长跑任务（Tip 9、36）- 精简系统提示语，减少 50% 以上 Token 占用，大幅延长对话长度（Tip 15）- 将 Claude Code 打造成“万用界面”，本地文件操作、GitHub PR 审核、数据分析样样行（Tip 27、29、31）- 利用 dx 插件集合，将多条实用命令和技能整合一键安装，极大提升开发体验（Tip 44）- 快速部署一键脚本，配置状态栏、插件、别名、权限一次搞定（Tip 45）GitHub：github.com/ykdojo/claude-code-tips无论你是刚接触 Claude Code 还是想解锁更高阶玩法，这份全方位技巧宝典绝对是提高效率，打造个性化 AI 助手的必备神器！#AI创造营##人工智能#

47. 1/10Token 消耗干同样的活！Ling-2.6-flash 想帮开发者把 AI 成本打下来

48. HermesAgent 超越 OpenClaw 成为全球 Token 消耗第一，这意味着什么？

49. 大模型的记忆能力现在完全靠内存的大小决定，也就是上下文的大小决定了当前大模型的智能水平。这与去年我们玩小模型硬吃显存的逻辑是不一样的。现在经过量化的小模型已经能稳定地高效产出tokens。我在本地的gemma4上下文测试时一直对话，上下文的用量除着对话不断抬升内存用量，直到拉满然后爆炸了。从内存用量一半到爆炸，GPU显存几乎纹丝不动。也就是说对显存的需求被量化的压缩给控制住了。硬件从GPU的算力，发展到了存储容量的记忆力比拼。所以各大厂商都在无限堆推理上下文内存。但对内存的依赖应该在算法上可以优化，将上下文进行关键压缩和向SSD固化，需要时再对内存激活。不过内存厂家也是SSD厂家。这就是为什么最近半年多，内存被拉冒烟的根本原因。当LLM的算法遇到scaling law的天花板，内存大小决定了智能化程度。注意算法扰动，如果真出现数倍级压缩算法，那么内存的预期就会被暴击。因为现在认为内存决定能力还看不到天花板。我们迫切需要内存上下文量化技术和内存版MOE的出现。

50. Claude Code装了LSP后，Token消耗直接降了40%

51. 在线聊天记录和上下文管理总是难题，消息太多模型上下文窗口很快就撑满了。一个超棒的开源插件 Lossless Claw（基于 LCM：Lossless Context Management），为 OpenClaw 提供了一套无损上下文管理方案。它用有向无环图（DAG）替代传统滑动窗口，完美保存所有消息，通过智能摘要浓缩旧消息，又能即时复原细节，感觉像和一个“永不忘记”的智能助手聊天。主要功能：- 所有对话消息持久存储到 SQLite 数据库，确保数据不丢失；- 采用 LLM 自动生成多层摘要形成聚合 DAG 结构，压缩旧内容但保持可展开细节；- 每次对话上下文由最新消息+层级摘要组成，极大扩展了上下文容量；- 配套 lcm_grep、lcm_describe、lcm_expand 等搜索和回溯工具，快速定位旧消息和内容；- 支持自动分层压缩、会话持久化，减少手动操作；- 多种可自定义参数调节压缩触发阈值、摘要深度、最新消息保护数量等。安装只需在 OpenClaw中执行插件安装命令，一键启用，适合想突破上下文限制的AI项目和研究者。GitHub：github.com/martian-engineering/lossless-claw#AI技术# #开源插件# #上下文管理##AI创造营##人工智能#

52. #OpenClaw大反转# OpenClaw 3.7版本史上最强更新！89项代码提交+200+Bug修复，首发GPT-5.4+Gemini 3.1 Flash双引擎，全新ContextEngine插件接口——上下文管理终于可以自由插拔。创始人Peter放话：这是最猛一次更新。AI Agent最头疼的断片问题终于解决了，不动核心代码就能自定义记忆策略。GitHub星标已破28万，196位贡献者共建。2026了，是时候领养一只永不断片的AI助手了~

53. DeepSeek V4终于发布了！昇腾首发，超长上下文记忆达1M，有V4-Pro和V4-Flash两个版本。性价比超高！这次每百万tokens输入最低仅需1元，输出仅需2元，Pro版本是12元和24元。什么水平？Flash版本跟GPT-5.4和Claude Opus 4.6比，输入分别低了约5倍和13倍，输出分别低了约52倍和85倍，快去试试吧~V4直通车：网页链接#DeepSeekV4发布# #DeepSeek v4 百万上下文#

54. RotorQuant - 升级版 TurboQuant。> 10 倍 KV 缓存压缩 > 28% 更快的解码 > 5 倍更快的预填充 > 44 倍更少的参数与全注意力机制相同质量。仅需十分之一的内存。好吧，又为本地 LLM 带来了大幅的 VRAM 折扣。网页链接

55. 为什么我说，内存暴跌只是大家的一厢情愿，根本不可能成真【X.PIN】

56. 2026英伟达GTC：“推理之王”的ASIC反击战与Token经济学【硅谷101】

57. 2026，如果想把学AI这件事变简单，那么就只把一个工具用到极致——Claude Code，因为借助TA，你可以调用几乎一切以前需要懂代码、写命令才能使用的开源工具。举几个例子：1️⃣ 下载各大视频网站的视频（图1）没错，比你网上搜到那些全是广告的工具都好用的多！你只需要说「帮我下载这个链接：【视频链接】，画质选择1080P，保存为MP4格式，自动合并音视频，生成清晰的视频标题作为文件名，保存到桌面的【下载视频】文件夹，如果文件太大就适当压缩，保证清晰度不变」本质上我们还是使用老朋友 yt-dlp 和 ffmpeg，前者来下载，后者来封装。如果你愿意，你甚至可以下载+剪辑：「帮我下载这个视频链接：【粘贴链接】，画质1080P，下载后帮我剪掉开头3秒和结尾5秒，只保留中间的正片内容，保存成MP4格式」2️⃣ 批量重命名文件你可以说：「帮我整理【文件夹地址】，根据拍摄时间依次重命名为 "照片_1.jpg", "照片_2.jpg"等」。你甚至可以批量转换某个文件夹内的所有图片格式，比如现在很多网图保存到本地都是 .webp 格式，你可以批量转换为 .jpg 或 .png3️⃣ CSV 数据分析可视化「分析【本地文件地址】，提取月度销售额、Top3 产品，用 matplotlib 生成折线图和柱状图，主色调用 #D70050搭配黑白灰，保存到./report.png，同时输出文字结论」 4️⃣ 网页内容总结「搜索今天AI领域3条重要新闻，抓取标题、链接、核心摘要，保存到./ai_news.md」5️⃣ 自动调研，网络数据抓取（图2）比如「抓取豆瓣电影 Top250 的评分数据，画一个评分分布直方图」完成后自己就弹出了图2~中间需要确认的时候，手动确认一下即可。#AI创造营#

58. 使用 Gemini 3 Pro Vibe Coding Flutter 的进展，个人管理软件，添加了时间记录的功能。我说强到没边，不是没有依据的而且哦，我没有用 Agent 工具，只是在 AI Studio 里面，提出要求，LLM 给出实现，我人工搬进代码里，有了运行效果或者 Bug，再跟 LLM 聊，所有 Vibe 部分都在 AI Studio 里面进行。这样做很低效，但是有个好处，就是充分发挥了 Gemini 3 Pro 的超长上下文能力，比起 Agent 工具每次创建一个新的上下文（丢失背景），LLM 能够了解事情的来龙去脉。得益于 Gemini 3 Pro 的 100w Token 上下文，一个对话能聊很久，网页这两天出点 bug，看不到上下文开销了，也不知道实际用多少了。也就是 AI Studio 免费用，要是自己调 API，这么长的上下文，每次往里做增量调用，每次输入都是几万、几十万 token，得花很多钱

59. 爆肝10亿token，我给OpenClaw做了个龙虾管家！【一键安装龙虾】

60. 2026年了，AI可以无条件相信吗？怎么用才能不翻车？

61. 「Github一周热点109期」Claude Code被开源, Pretext文本排版引擎, 谷歌最新开源模型和3D建筑编辑器

62. Kimi员工“黑”谈他们是如何优化推理性能的。还有提示玩小龙虾的朋友尽可能避免把 cronjob 设置在整点来避免高峰期响应能力下降。---------------------------Kimi K2.5 发布半个月以来，我们的推理服务接受了前所未有的挑战，为了应对持续增长的请求数，我们想尽办法从各种地方掠夺了 GPU 资源，同时也在尝试新的推理方案和调度策略。现在，我们已经能“稳稳接住”这泼天的富贵，从推理速度、到 API 稳定性、再到资源利用率都是前所未有地好，好上加好。我们发现缓存命中率是影响推理系统的最关键因素，Agents 的运作方式极度依赖缓存命中率，换句话说，如果你的 Agents 设计充分考虑了如何使用缓存，那么你的 Agents 体验就会显著好（速度快、报错少），与此同时，我们的推理服务也通过优化缓存匹配算法，更快、更多地匹配上下文缓存。一个比较典型的反面例子是：Claude Code 在一次神秘更新后，缓存命中率从 90% 降到不足 20%，这不仅消耗了大量额度，还让用户等待时间变长，429 变多。并且，我们的推理服务由于一直在重新 Prefill，集群压力报警就没停过。在 2 月 12 号晚我们进行修复后，集群压力又恢复到了正常水平。另一个反面例子来自我们自己，众所周知，模型并不知道今天是几月几号，因此我们在 Kimi Chat 的 System prompt 中植入了日期信息，看起来很合理，但是在集群 7×24 小时高压状态下，每天 0 点因日期切换导致的缓存失效成了压垮骆驼的最后一根稻草（其实早上 8 点还有一根稻草）。针对日期问题，有两个已经经过实践检验的应对策略：1. 将日期以 System Message 的形式，放在最后一个 Turn 之前，而不是第一个 Turn 之前。2. 在每个 Turn 的 User Message 中，以 Reminder 的形式提供当前日期和时间，例如：Current DateTime: 2026-02-14 15:55:38另外，我们建议在使用 openai-compatible 接口时，显式设置 prompt_cache_key 字段，可以是当前 session 的 id，这将有助于我们将你的请求调度到合适的集群，增加 Cache 命中率（如果你使用 anthropic messages 接口，把 session_id 放到 metadata.user_id 里也能起到相同的作用）。One More Thing: 相信大家近两周都在开心地养自己的龙虾（openclaw），但请大家尽可能避免把 cronjob 设置在整点（例如 10:00/10:30），每个整点激增的 openclaw 请求都对我们的推理服务提出了极大挑战，就像每个整点都有一大群龙虾搭乘太空电梯集体攻打月球一样（然后半个小时后还有增援）。#HOW I AI#

63. OpenAI、Anthropic 和 Google 的工程师为什么从不为提示词发愁？秘诀在于“上下文栈”——真正的元技巧是“上下文工程”。过去，我们用提示词“黑客”式地与AI沟通，像用简单短语和关键词和陌生人对话。但现在的模型不只是理解指令，它们理解的是“环境”。你的工作不再是简单“提示”，而是设计它的上下文。什么是上下文？就是你在模型开始生成内容前搭建的数字环境，包括：- 它应该“扮演”的角色（身份）- 它的目标是什么- 它的沟通风格和语气- 它参考的例子、数据和过往作品这才是保证输出连贯、高质且符合品牌调性的关键。举个例子：旧式提示： “写一篇关于AI生产力工具的LinkedIn帖子。”上下文设计版： “你是一位技术创始人，写实用且能病毒传播的推文，语气自信且带点挑衅，基于真实案例。这里有你过去的三篇示例。现在，写一篇关于AI生产力工具的新推文。”区别就在于，你不是在“提示”，而是在“简报”。模型不再是工具，而是你团队的新成员。就像招新人一样，它需要了解你的品牌、目标和期待，而非随便发号施令。这就是“上下文工程”的力量。一个简单且实用的框架是4C：角色（Character）、命令（Command）、限制（Constraints）、上下文（Context）。一次设定，反复使用。有了正确的上下文，你的模型变成真正懂你声音、受众和意图的创意伙伴。没有它，你只是靠运气。停止“提示词黑客”，开始“上下文构建”。每次简报，都像培训新员工一样，问自己：“他们需要知道什么，才能像我一样思考？”这才是2025年AI合作的未来。掌握上下文工程，不只是问什么，更是给什么；不只是它写什么，更是它懂什么。创作者借此放大品味，创始人放大判断力，团队放大知识。你今天的上下文结构是什么样的？原文：x.com/hasantoxr/status/1995891151535259864

64. 【#中国AI调用量首超美国#】#中国四款大模型霸榜全球前五# 2月，中国AI的模型调用量爆发式增长，首次超过美国。全球最大的AI模型API聚合平台OpenRouter数据显示，9日~15日这周，中国模型以4.12万亿Token的调用量，首次超过同期美国模型的2.94万亿Token。16日~22日这周，中国模型的周调用量进一步冲高至5.16万亿Token，三周大涨127%，而同期美国模型调用量跌至2.7万亿Token。与此同时，全球调用量排名前五的模型中，中国模型占据四席，这股强大的增长动能，并非依赖单一爆款产品，而是中国AI厂商集群式崛起。Token是AI模型处理文本的最小单位。相比用户数，Token调用量是更能真实反映AI模型使用强度、用户粘性及商业价值的关键指标。中国模型厂商，正凭借快速迭代和成本优势占领全球市场，国产算力需求正经历指数级增长。（每日经济新闻）

65. 使用 Claude Code 进行开发时，虽然原生的命令行交互已经非常强大，但在处理特定业务逻辑或复杂工作流时，往往需要更具针对性的功能扩展。如果能有一套现成的工具库来增强其自动化能力，开发体验将更加顺滑。Awesome Claude Code Plugins 是一个专门为 Claude Code 打造的资源汇总项目，收录了大量实用的斜杠命令、子代理、MCP 服务和钩子函数。它不仅整合了官方提供的核心插件，还汇集了社区贡献的各种增强工具，涵盖了从代码质量检查、Git 工作流自动化到文档生成、安全审计等多个维度，让开发者能够根据项目需求定制专属的 AI 编程环境。GitHub：github.com/ccplugins/awesome-claude-code-plugins主要功能：- 提供丰富的斜杠命令，通过自定义快捷指令简化频繁的开发操作；- 集成多种专项子代理，能够独立处理特定的开发、测试或设计任务；- 支持 MCP 服务器接入，方便 Claude Code 实时调用外部工具和数据源；- 包含多种工作流钩子，可在提交代码或部署等关键节点自动触发逻辑；- 覆盖 DevOps、代码审查、API 测试及项目管理等全方位的插件分类；- 支持通过插件管理命令动态安装和切换，保持系统上下文的轻量与聚焦。该项目为 Claude Code 用户提供了极大的灵活性，开发者可以通过这些现成的插件快速构建自动化工作流，非常适合追求极致效率的软件工程师和技术团队使用。

66. Token消费不为结果买单